Tabel 4.3 One-Sample Kolmogorov-Smirnov Test
Unstandardized Predicted Value
N 51
Normal Parameters Mean
a,b
.0164819 Std. Deviation
.00564519 Most Extreme
Differences Absolute
.161 Positive
.067 Negative
-.161 Kolmogorov-Smirnov Z
1.149 Asymp. Sig. 2-tailed
.143 a. Test distribution is Normal.
b. Calculated from data. Sumber : Data sekunder yang diolah, 2012
Berdasarkan tabel 4.3Dari hasil uji normalitas data diatas, maka nilai Kolmogrov – Smirnov menjadi 1,149 dan signifikansi lebih 0,05 karena Asymp.
Sig. 2-tailed 0,143 dari 0,05. Nilai signifikansi lebih besar dari 0,05 yang berarti data residual telah berdistribusi normal
4.3.2 Uji Multikolinearitas
Multikolinearitas diuji dengan menggunakan nilai Tolerance dan Variance InflationFactor VIF. Suatu model regresi dikatakan tidak memiliki
kecenderungan adanya gejala multikolinearitas adalah apabila memiliki nilai Tolerance yang lebih besar dari 0,10 dan nilai VIF yang lebih kecil dari 10.
Hasil pengujian model regresi diperoleh nilai-nilai Tolerance dan VIF untuk masing-masing variabel adalah sebagai berikut :
Universitas Sumatera Utara
Tabel 4.4 Hasil Perhitungan VIF Coefficients
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
HCE .156
7.719 SCE
.257 7.438
CEE .912
1.096 a. Dependent Variable: ROA
Sumber : data sekunder yang diolah 2011
Berdasarkan tabel 4.4 diatas menunjukkan bahwa kedua variabel independen tidak terjadi multikolinearitas karena nilai tolerance0,10 dan VIF
10. Sehingga dapat disimpulkan tidak terdapat pengaruh antar variabel independen. Dengan demikian variabel independen HCE, SCE, CEE dapat
digunakan untuk memprediksi ROA selama periode pengamatan.
4.3.3 Uji Heteroskedastisitas
Pengujianheteroskedastisitas dilakukan dengan menggunakan Scatter Plot. Hasil pengujian pada lampiran sebagaimana juga pada tabel berikut ini
menunjukkan bahwa dari hasil pengujian, menunjukkan bahwa pola scatter plot dari regresi menyebar. Hal ini berarti bahwa pada model regresi tidak memiliki
gejala adanya heteroskedastisitas.
Universitas Sumatera Utara
Sumber : Data sekunder yang diolah 2012
Gambar 4.3 4.3.4
Uji Autokorelasi
Penyimpangan autokorelasi dalam penelitian ini diuji dengan uji Durbin- Watson DW-
test. Hasil regresi dengan lavel of signifikan 0,05 α=0,05 dengan sejumlah variabel independen 3 dan banyaknya data n=51. Adapun
hasil uji dari autokorelasi dapat dilihat pada tabel 4.5 sebagai berikut :
Universitas Sumatera Utara
Tabel 4.5 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .802
a
.643 .620
.00434 1.408
a. Predictors: Constant, CEE, SCE, HCE b. Dependent Variable: ROA
Nilai D-W menurut tabel di atas dengan signifikansi 5 dan nilai n = 51 serta k = 3 diperoleh angka dl = 1,3273 dan du = 1,4498. Oleh karena itu, nilai D-
W lebih kecil dari du 1,4498 dan kurang dari 3 – 1,4498 = 1,5502, maka dapat disimpulkan bahwa tidak ada autokorelasi positif maupun autokorelasi negatif
antar residual.
4.3.5 Analisis Regresi Berganda
